نموذج تصنيف ثنائي للتنبؤ بتأخيرات الرحلات الجوية الناتجة عن الطقس باستخدام الشبكات العصبية العميقة (DNN)
تفاصيل العمل
تصميم نموذج DNN لتصنيف تأخيرات الطقس تم بناء نموذج شبكة عصبية عميقة باستخدام Keras لتصنيف تأخير الرحلات بسبب الطقس (تصنيف ثنائي). معمارية النموذج باختصار: Dense (8) – tanh Dropout (0.1) Dense (128) – sigmoid Dropout (0.2) Dense (64) – tanh Dense (32) – tanh Dropout (0.3) Dense (1) – sigmoid (طبقة الإخراج) إعدادات التدريب: Optimizer: AdamW learning_rate = 0.001 weight_decay = 0.004 Loss: Binary Crossentropy Epochs: حتى 100 Batch size: 10000 تقنيات تحسين التعميم: استخدام Dropout بنسب مختلفة EarlyStopping (patience=10) مع مراقبة val_accuracy واسترجاع أفضل الأوزان تم التركيز على تحقيق توازن بين الأداء والاستقرار وتقليل الـ Overfitting لضمان قدرة النموذج على التعميم بشكل جيد.
مهارات العمل
بطاقة العمل
طلب عمل مماثل
